研究人员选择了十大痴呆症预测因子，构建了UKB-DRP痴呆症预测模型。该模型可以预测个体在五年、十年甚至更长时间内是否会患病，筛选出痴呆早期的群体，减缓高危人群“记忆擦除器”的步伐。

医学上常见的痴呆包括阿尔茨海默病和血管性痴呆，其中阿尔茨海默病所占比例最高。在中国，约有1500万60岁及以上的痴呆症患者，其中1000万人患有阿尔茨海默病。然而，对于痴呆症，我们并不完全了解其病理，也没有有效的治疗方法。

近日，复旦大学附属华山医院神经内科俞金泰主任医师临床研究团队和教授、程年研究员算法团队，开发出了DRP痴呆预测模型。这个模型可以预测五年、十年甚至更长时间内个体是否会患病，筛选出痴呆早期的群体，减缓高危人群“记忆橡皮擦”的步伐。相关研究成果近日发表在《柳叶刀》子期刊《电子临床医学》上。

痴呆症需要早期发现和干预。

痴呆发病隐匿，病情发展缓慢，往往难以确定发病时间。阿尔茨海默病作为最常见的痴呆类型，在发病前20年就可导致患者出现病变，潜伏期长往往使患者错过临床诊断的最佳治疗时间。目前，全世界有超过5500万人患有痴呆症。根据世卫组织的预测，2050年全球痴呆症患者数量将达到1.52亿。

为了实现早发现、早干预、早治疗，越来越多的研究团队开始研究痴呆的早期生物标志物，以探索其在疾病早期预测中的有效性。

目前，全球痴呆风险预测模型大多基于传统统计学方法构建的评分量表。比如经典的凯德评分，伦敦大学学院开发的DRS评分，澳大利亚国立大学开发的ANU-ADRI评分等。于金泰告诉科技日报记者，CAIDE是目前临床上常用的一种痴呆评分系统。这个评分系统指标少，容易获取，计算速度快，但相对准确性稍有欠缺。ANU-ADRI评分根据研究文献报道的风险比，系统地整合了以往研究中发现的风险因素；DRS评分除常规指标外，还系统考虑了受试者的病史和用药史。这些量表具有重要的参考价值。

随着人工智能在医学领域的广泛应用，越来越多的研究团队开始使用基于海量数据推演的机器学习方法来构建预测模型。于金泰告诉记者，一些机器学习模型在选择风险因素时，往往追求模型的预测精度，而忽略了模型的潜在应用场景。例如，一些模型的预测指标需要从PET图像或脑脊液中提取，导致模型更多地局限于科研领域，难以实现大范围的实际应用。

“随着人们对痴呆症的关注，国内相关研究日益增多，但在疾病风险预测领域尚无高质量的研究成果。”于金泰说。而UKB-DRP痴呆预测模型填补了国内研究的空白，实现了预测精度和应用场景的结合。

新型痴呆预测模型效率高。

于金泰团队与封建锋、程维团队一起，通过“医学人工智能”的跨学科融合，利用人工智能算法研究中老年人海量健康信息，筛选出十大痴呆预测因子，构建了UKB-DRP痴呆预测模型。

研究小组对40多万名年龄在40-69岁的非痴呆症患者进行了随访。在超过10年的随访期内，超过5000名参与者被诊断患有痴呆症。研究团队将参与人群的基因、认知、生化、行为等所有多维度健康相关指标作为潜在预测指标，利用机器学习对大样本、高维复杂数据进行深度处理和挖掘，筛选出重要性排名前十的痴呆预测指标，构建了UKB-DRP痴呆预测模型。该模型对全因性痴呆及其重要亚型阿尔茨海默病具有较高的预测效率。

“与通过临床先验知识选择预测因子的候选策略相比，我们的研究包括了所有与痴呆症潜在相关的指标。通过机器学习选择预测器，不仅能反映更真实的情况，还能发现一些其他团队没有想到的指标。”于金泰说，“这种数据驱动的研究方法有助于我们从更大范围的表型数据中筛选出预测因子的最佳组合，同时也摆脱了过度依赖临床先验知识筛选指标的束缚。”

根据指标对痴呆预测模型的重要性，机器学习算法排列筛选出十个痴呆预测因子，分别是年龄、载脂蛋白E(ApoE)基因、认知配对测试时长、腿部脂肪百分比、服用药物次数、认知反应测试时长、呼气峰流量、母亲去世年龄、慢性疾病和平均红细胞体积。

AUC值是预测患者发病概率最常用的指标

UC值越接近1.0代表着检测方法预测的精度越高，模型的效果越好。研究显示，UKB-DRP痴呆预测模型对全因痴呆的预测AUC值为0.85，而对阿尔茨海默病的预测AUC值可达0.86—0.89。郁金泰告诉记者，UKB-DRP痴呆预测模型的效能比现有的其他预测模型更为精准。同时，这些预测因子能够在基层医疗机构中便捷获取，具有较广的应用前景。

新模型可在基层社区推广

根据《中国阿尔茨海默病报告2021》，2019年导致我国人群死亡的疾病中，阿尔茨海默病已经上升到第5位。同时，该病还出现了年轻化的趋势。在这种背景下，痴呆风险预测模型的研究意义重大。

郁金泰告诉记者，痴呆风险预测模型能在一定程度上促进药物的研发和生产。“此前，国际上多种阿尔茨海默病的靶向调修药物在临床试验阶段宣告失败，其中一个重要原因就是纳入的受试者异质性较大。”郁金泰说，“痴呆风险预测模型能够较为精准的识别高风险人群，为药物临床试验的受试者招募提供参考。同时，对预测模型中具体指标在发病机制上的深入探究，也能在一定程度上给未来的新药研发提供方向。”

更为重要的是，痴呆风险预测模型还可以筛查出病程处于早期的痴呆症人群，通过预防指南、使用药物等干预方式，让“记忆的橡皮擦”擦得更慢些。

“近期，渤健和卫材阿尔茨海默病新药Ⅲ期临床试验结果非常好，可以延缓认知衰退。如果这款药能够上市，病人需要尽早服用，越早用效果越好，而UKB-DRP痴呆预测模型则可以将处于痴呆早期阶段的人筛选出来，再通过各类干预手段延缓这类人群的病情发展。”郁金泰说。

郁金泰认为，痴呆风险预测模型的临床推广可以提高国内神经科医师对临床前期痴呆的甄别与诊治能力，促进形成针对痴呆高危人群的筛查策略和规范化的痴呆评估体系，为老年人群的健康管理提供指导。在郁金泰看来，痴呆预测模型最主要的推广途径是基层社区。

目前国内基层社区越来越重视慢病管理，常常组织老年人开展集体体检、自测慢病等活动，而痴呆症风险的预测或可纳入其中。“中国有认知障碍的、确诊痴呆症的患者多达千万人，高危人群则要比确诊患者更加庞大，所以痴呆风险预测模型作为一个早筛工具可以在社区实现推广应用，发挥重要的慢病防控价值。”郁金泰说。

UKB-DRP痴呆预测模型的指标可以通过问卷、简单查体和血常规检查获取，相比其他模型的指标，获取方式更加便捷，也更有可能广泛应用于各级医疗单位开展的痴呆早期筛查。

未来，郁金泰团队希望能够进一步优化模型。“通过模型评估，个体可以了解自己需要关注的问题，明白如何尽快干预、预防痴呆症发病风险。未来，我们一方面希望能在纳入更多指标的同时，让指标尽可能简单易得，另一方面希望实现更为精准的个体预测，甚至可以预测个体每一年的痴呆症发病风险。”郁金泰说。（实习记者 苏菁菁）